耿聆
- 作品数：9 被引量：21H指数：3
- 供职机构：北京急救中心更多>>
- 相关领域：医药卫生更多>>
- 基于时间序列模型的北京市院前急救出车车次预测分析
- 2024年
- 目的研究分析北京市院前急救出车车次,预测未来时间内的出车车次,以期为北京市院前急救建设及发展提供参考。方法采用描述性统计方学法分析北京市2018年—2022年院前急救出车车次基本情况;使用SPSS 26.0统计软件建立时间序列模型,运用“专家建模器”自动选择最优模型,对北京市2023年院前急救出车车次进行预测。结果北京市2018年—2022年院前急救出车车次逐年上升,2022年出车车次是2018年出车车次近2倍,每年出车车次最高、最低月份分别为12月、2月;时间序列模型自动选择最优模型为“温特斯加型”,模型拟合度R方为0.896,平稳R方为0.377,杨-博克斯Q(18)统计量的显著性P值为0.642,数据拟合效果良好;预测值与实际值平均绝对百分比误差(MAPE)为6.85%,模型的预测能力“优良”;较好预测了2023年院前急救出车车次。结论北京市院前急救出车车次呈逐年上升趋势,院前急救公共卫生服务能力有效提升;时间序列模型较好地拟合北京市院前急救出车车次变化趋势并进行预测,助力适时调配院前急救服务资源;推进北京市院前急救供给侧改革完善,赋予院前急救服务体系更高韧性。
- 邓贵芳孙涛耿聆巴衣尔策策克陈辉
- 关键词：院前急救时间序列模型
- 急性下壁心肌梗死合并及不合并右室梗死溶栓疗效分析
- 2001年
- 目的 :确定急性下壁心肌梗死 (AIMI)合并或不合并右室梗死 (RVI)患者溶栓治疗的价值。方法 :2 6 5例 AIMI患者中 43例合并 RVI,分为 组 (AIMI组 )及 组 (AIMI+RVI组 ) ,分别就是否接受溶栓治疗 ,住院期间死亡率及并发症发生率进行对比观察。结果 :(1) 组合并高血压、糖尿病者多于 组 ,其中糖尿病差异具极显著意义(P<0 .0 1) ;(2 ) 2 6 3例 AIMI中接受溶栓治疗的 140例、未接受溶栓治疗的 12 5例的住院死亡率分别是 11.4%、2 1.6 % (P<0 .0 5 ) ;(3) 、 组用溶栓治疗时病死率分别为 11.2 %、 12 .5 % ,无显著差异 ;未用溶栓治疗时病死率 17.9%、 42 .1% (P<0 .0 5 )。结论 :AIMI组溶栓治疗住院期间死亡率较非溶栓治疗组的明显降低 ;AIMI+RVI溶栓较单纯 AIMI溶栓治疗益处更为显著。
- 贾佳樊琨耿聆
- 关键词：溶栓疗法心肌梗死急性右室梗死
- 主成分分析探讨北京市院外急救服务能力的影响因素被引量：4
- 2022年
- 目的运用主成分分析法研究影响北京市院外急救服务能力的主要影响因素,为院外急救事业的发展提出对策。方法通过筛选北京市120/999紧急医疗救援联合指挥平台中的部分指标,收集2019-2020年数据,运用SPSS 22.0进行主成分分析,将8项原始数据转化为3个主成分。结果急救资源配置、急救运行效率、院外院内衔接等因素对北京市院外急救服务能力具有较大影响。结论结合分析院外急救服务能力的影响因素,推动院外急救体系建设,提高院外急救服务能力,提升患者满意度。
- 张威耿聆孙涛巴衣尔策策克邓贵芳李玮陈辉
- 关键词：院外急救影响因素主成分分析
- 《院前医疗急救服务急危重症分级标准》应用探讨被引量：5
- 2020年
- 目的分析《院前医疗急救服务急危重症分级标准》的有效性与可行性,为院前医疗急救提供标准化工具。方法选取2018年9月至2019年2月北京急救中心院前急救的1373例急危重症患者,分别进行《院前医疗急救服务急危重症分级标准》(院前标准)与《市属医院急诊预检分诊分级标准(试行)》(急诊标准)评级比较。结果两种分级标准各级别例数分布趋势相同(Ⅱ级>Ⅰ级>Ⅲ级>Ⅳ级),Ⅰ级例数院前标准(420例)多于急诊标准(368例),Ⅱ级例数基本相等(急诊标准多于院前标准13例),急诊标准Ⅲ级(278例)、Ⅳ级(195例)多于院前标准同等级别(257例、177例),院前标准Ⅰ、Ⅱ、Ⅲ级总和(1196例)多于急诊标准前三级总和(1178例),两种标准比较差异无统计学意义(χ^2=5.288,P>0.05)。结论院前标准指标简明、易操作,方便医师现场快速初筛与分级;院前标准范围大于急诊标准,敏感性更高;两种标准符合程度较高,院前标准具有较高的可行性与有效性。
- 张威王勇刘红梅王旭万婷巴衣尔策策克刘江韩鹏达张玲杨旭张伟宏耿聆孙涛陈辉
- 完全性房室阻滞在急性下壁心肌梗死合并及不合并右室梗死病人的预后意义
- 1999年
- 目的 确定完全性房室阻滞（ＣＡＶＢ）对急性下壁心肌梗死（ＡＩＭＩ）伴有或不伴有右室梗死（ＲＶＩ）病人预后的影响。方法 分析２６５ 例ＡＩＭＩ病人临床资料，２２２ 例无合并ＲＶＩ的病人（Ⅰ组），４３例合并ＲＶＩ病人（Ⅱ组），根据住院期间有无合并ＣＡＶＢ再将其分为两个亚组（无合并ＣＡＶＢ组（Ⅰａ、Ⅱａ组）及合并ＣＡＶＢ组（Ⅰｂ、Ⅱｂ 组））。选择临床及实验室资料进行比较。结果 （１）ＡＩＭＩ合并ＣＡＶＢ明显增加心脏并发症的发生率，Ｐ＜ ０．０１；ＡＭＩ合并ＲＶＩ虽有增高趋势，但无显著性差异；（２）溶栓治疗显著降低ＡＩＭＩ住院期间死亡率，特别是ＡＩＭＩ同时合并ＲＶＩ和ＣＡＶＢ的病人，Ｐ＜ ０．０５；（３）与ＣＡＶＢ、ＲＶＩ并存的ＡＩＭＩ以心脏合并症及ＣＫ峰值居高，住院死亡率显著为特点。结论 ＡＩＭＩ合并ＣＡＶＢ及ＲＶＩ表现出极高的心脏合并症发生率及住院死亡率可能是梗面积较大的结果，但是ＲＶＩ及ＣＡＶＢ的协同作用可能是影响ＡＩＭＩ预后的另外因素。
- 贾佳祁芳李宗浩樊琨耿聆
- 关键词：房室阻滞预后
- 院外医疗急救受理要车电话数量建模分析及应用
- 2023年
- 目的为了更好更快满足院前急救服务需求,对2020年每日24小时段受理要车电话数量展开研究分析,根据受理要车电话数量存在规律,提出有效提高院前急救服务运行效率及管理水平的相关措施。方法采用线性回归模型,通过应用python编程语言,基于sklearn机器学习库对2020年1月—12月每日24小时段数据进行线性回归建模,获得线性回归模型具体系数值。结果2020年12月5日、15日、25日24小时段受理要车电话真实数据及模型预估数值及变化趋势比对验证显示,整体数值接近、变化趋势一致。结论线性回归模型很好建模了受理要车电话数量及变化趋势,应进一步扩展线性回归模型等信息化手段在院前急救领域中的广泛应用;院前急救调度指挥中心受理要车电话数量24小时段差异存在规律,有效指导调度指挥座席、院前急救车组人员及救护车数量等资源调整;受理要车电话数量秋季最高,其次为夏季、冬季,春季最低,助力不同季节做好相关院前急救资源储备调整及相关应急措施。
- 邓贵芳巴衣尔策策克陈辉耿聆张威孙涛王勇
- 关键词：院前急救线性回归模型
- 新型冠状病毒肺炎院外急救防控策略与转运实践被引量：3
- 2021年
- 目的为更好开展新型冠状病毒肺炎疫情防控工作,提升院外急救防控能力及重大突发公共卫生事件应急处置能力,为国内其他省市开展重大传染性突发公共事件疫情防控及转运工作提供借鉴。方法全面梳理院外急救新型冠状病毒肺炎疫情防控措施及转运流程,制定院外急救防护及院感防控标准,应用于实际日常急救及疫情相关病例转运工作。结果院外急救人员严格执行相关流程及防护标准,有序开展日常急救及新型冠状病毒肺炎相关病例转运工作,实现院外急救“零感染”目标。结论国内尚无统一的院外急救防控标准,亟需制定重大传染性突发公共事件院外急救防控策略及防护标准,提高院外急救运行效率,减少院外急救交叉感染风险。
- 陈辉巴衣尔策策克张威耿聆王旭张进军刘红梅王勇雷燕妮李坚韧李宗浩张文中
- 关键词：院外急救疫情防控
- 北京市院前急救人员工作满意度调查及影响因素研究
- 2024年
- 目的调查北京市院前急救人员工作满意度现状,分析其差异性及影响因素,为提高工作满意度、保障服务质量、促进院前急救行业可持续化发展提供参考。方法采用SPSS 23.0对数据进行录入,进行t检验、方差分析、多元线性回归等处理。结果北京市714名院前急救人员在隶属单位、性别、年龄、受教育程度、工作岗位、职称分类、职称等级、工作年限方面的基本情况;工作满意度一般及不理想占比达到39.91%;7个类别的工作满意度差异有统计学意义;7个因素对工作满意度的影响具差异有统计学意义;90.20%的院前急救人员建议提高薪酬待遇。结论北京市院前急救人员青壮年男性为主,大专、大学本科学历占比高;工作满意度不容乐观;不同受教育程度、工作岗位、工作年限对院前急救人员工作满意度影响明显;应该从提高薪酬待遇、加强急救技术培训方面强化人才队伍建设,提高院前急救人员工作满意度。
- 邓贵芳孙涛耿聆巴衣尔策策克陈辉
- 关键词：院前急救工作满意度影响因素
- 院前院内急救医疗信息一体化平台的设计与应用被引量：9
- 2022年
- 目的:统筹院前院内急救资源,建立院前院内衔接路径与衔接机制,实现院前院内急救信息共享。方法:基于院前院内急救医疗应用场景要求,遵循模块化、流程化、规范化设计开发理念,采用Netty框架及Kotlin开发语言实现多个独立系统的数据集成共享和移动端应用。结果:有效整合院前院内急救资源,统一急救信息输入与输出路径,实现了26家医院系统的有效衔接,强化了急救体系建设与预警联动,助力于精益化急救流程与管理,实现急救资源共享。结论:基于信息化手段实现院前院内衔接,有助于宏观调控急救资源配置,是实现“上车即入院,信息实时传”的有效探索,进一步提高了急救运行效率与医疗急救服务质量。
- 巴衣尔策策克陈辉耿聆秦铁岭张威张涛王勇
- 关键词：院前院内急救资源共享
